ANALISIS BIVARIAT
Analisis Bivariat adalah analisa yang digunakan untuk mengetahui keterkaitan antara 2 variabel. Dilihat dari bentuk nya, ada 4 kemungkinan uji kategorik yang dapat dilakukan yaitu :
Analisis Bivariat adalah analisa yang digunakan untuk mengetahui keterkaitan antara 2 variabel. Dilihat dari bentuk nya, ada 4 kemungkinan uji kategorik yang dapat dilakukan yaitu :
- Kategorik - Kategorik ( Uji Beda Proporsi )
- Kategorik - Numerik ( Uji Beda Rata-rata)
- Numerik - Kategorik ( Uji Beda Rata-rata)
- Kategorik - Kategorik (Uji Korelasi )
Untuk analisis bivariat data Kategorik - Numerik maupun Numerik Kategorik digunakan uji beda rata-rata. Uji Beda Rata- rata ini terbagi dua yaitu yang pertama Uji beda dua rata-rata dan kedua Uji lebih dua rata-rata dengan menggunakan One Way Anova.
Uji Beda dua Rata-rata juga terbagi 2 yaitu, Uji Beda dua rata-rata berpasangan ( menggunakan Paired T-test) dan Uji beda dua rata-rata tidak berpasangan ( menggunakan Independent Sampel T-test )Semua data diatas harus berdistribusi normal. Oleh karena itu jika terdapat data numerik pada salah satu data harus dilakukan Uji Normality. Yang mana uji normality dapat dilakukan dengan cara :
- Membandingkan Mean, Median, Modus
Jika hasil dari Mean = Median = Modus - Uji Kolmogorov Smirnov
Ho data dapat dikatakan berdistribusi normal apabila p <0,05 - Uji Skewness
Untuk mengetahui data berdistribusi normal dapat dilihat dari hasil bagi statistic dan standar error. Jika hasil bagi skewness adalah -1,27 sampa 1,27 maka data telah berdistribusi normal - Lihat Histogram
Yaitu titik tengah dihubungkan dengan masing-masing titik pada kurva yang terbentuk. DAn kurva tersebut identik dengan kurva normal - Uji Q-Q Plot
Untuk melihat data normal atau tidak dari uji ini, Jika terletak disekitar garis scater dan seimbang dari ats dan bawahnya - Bogspot
Data berdistribusi normal jika :- Box tidak tinggi
- Tangkai pendek dan seimbang atas dan bawah
- Median terletak dibagian tengah
- Tidak ada outlier, kalau pun ada jumlahnya seimbang atas dan bawah nya
- Menguji langsung dengan uji non parametrik
- Menormalkan data
Normalisasi dengan 2 cara yaitu
a. Memissing outlier
b. Me-Log-kan variabel
Apabila data tetap tidak normal maka diuji dengan Uji Non Parametrik/ dikatagorikan ( acuan patokan / pacuan normatik)
*Uji non parametrik yang dipakai untuk Independent Sampel T-test adalah Mann Whitney
*Uji non parametrik yang dipakai untuk One Way Anova adalah Kruskal- Wallis
Lihat Gambar !